Discussion de l'article "Distributions de Probabilités Statistiques dans MQL5"

Nouveau commentaire
 

Un nouvel article Distributions de Probabilités Statistiques dans MQL5 a été publié :

L'article traite des distributions de probabilité (normale, log-normale, binomiale, logistique, exponentielle, distribution de Cauchy, distribution t de Student, distribution de Laplace, distribution de Poisson, distribution sécante hyperbolique, distribution bêta et gamma) des variables aléatoires utilisées en Statistique Appliquée. Il propose également des classes pour gérer ces distributions.


Figure 1. Densité de distribution normale Nor(0,1)

Sa notation se présente sous le format suivant : X ~ Nor(μ, σ 2),où :

  • X est une variable aléatoire sélectionnée dans la distribution normale Nor ;
  • μ est le paramètre moyen (-∞ ≤ μ ≤ +∞) ;
  • σ est le paramètre de variance (0<σ).

Plage valide de la variable aléatoire X : -∞ ≤ X ≤ +∞.

Auteur : Denis Kirichenko

 

Très intéressant, merci, bon travail. S'il n'est pas difficile d'ajouter le calcul de la distribution d'une fonction donnée sous forme de tableau, afin d'avoir un élément de comparaison.

Et en plus, une méthode pour déterminer la plus grande similitude avec les distributions théoriques (cela peut se faire par le coefficient de corrélation).

 
Urain:

Très intéressant, merci, bon travail.

Merci pour votre avis.

S'il n'est pas difficile d'ajouter le calcul de la distribution de la fonction donnée sous forme de tableau, afin d'avoir un élément de comparaison...

Merci de préciser. Mieux vaut sur un exemple :-)))

Et en plus, une méthode pour déterminer la plus grande similitude avec les distributions théoriques (cela peut se faire par le biais du coefficient de corrélation).
Dans quelle mesure la distribution empirique diffère-t-elle de la distribution théorique ?
 
denkir:

Merci pour votre avis.

1) Clarifiez s'il vous plaît. Mieux avec un exemple :-)))

2) Dans quelle mesure la distribution empirique diffère-t-elle de la distribution théorique ?

1) Une fonction donnée sous forme de tableau signifie qu'il existe un ensemble de données (par exemple un tableau) où chaque x correspond à y, mais la formule de dépendance n'est pas connue.

Une telle fonction est en fait une citation. Et c'est de cela que je parle : calculer la distribution de probabilité de telles données.

2) Oui. Laquelle des distributions théoriques est la plus proche de la distribution empirique. Ou simplement le coefficient de corrélation entre la distribution empirique et la distribution théorique.

 
Urain:

1) Une fonction définie sous forme de tableau signifie qu'il existe un ensemble de données (par exemple un tableau) où chaque x correspond à y, mais la formule de dépendance n'est pas connue.

Une telle fonction est, en fait, une citation. Et c'est de cela que je parle : calculer la distribution de probabilité de telles données.

Soit j'ai mal compris quelque chose, soit... généralement sous forme de tableau, des distributions théoriques déjà connues sont données. Personnellement, je n'aime pas beaucoup les tableaux. Je vois mieux sur un graphique, pour ainsi dire... et je peux voir la forme de la distribution... Dans la vidéo présentée dans l'article, vous pouvez voir comment les valeurs changent lorsque vous déplacez le curseur. Et ce n'est qu'une façon de représenter la loi de distribution... il faut beaucoup de tableaux pour tout couvrir... et un graphique peut.....

2) Oui. Laquelle des distributions théoriques ressemble le plus à la distribution empirique ? Ou simplement le coefficient de corrélation entre la distribution empirique et la distribution théorique.

Dans la conclusion de l'article, j'ai écrit ceci :

Pour ma part, je vais développer ce sujet et démontrer à l'aide d'exemples pratiques comment les distributions statistiques de probabilité peuvent être utilisées dans l'analyse des modèles probabilistes.

Plus de détails un peu plus tard.

 
denkir:

Soit j'ai mal compris quelque chose, soit.... généralement sous forme de tableau, des distributions théoriques déjà connues sont spécifiées. Personnellement, je n'aime pas beaucoup les tableaux. Je vois mieux sur un graphique, pour ainsi dire... et je peux voir la forme de la distribution... Dans la vidéo présentée dans l'article, vous pouvez voir comment les valeurs changent lorsque vous déplacez le curseur. Et ce n'est qu'une façon de représenter la loi de distribution... Il y a beaucoup de tableaux pour tout couvrir... et un graphique peut....

Dans la conclusion de l'article, j'ai écrit ceci :

Pour ma part, je vais développer ce sujet et démontrer avec des exemples pratiques comment les distributions statistiques de probabilité peuvent être utilisées lors de l'analyse de modèles probabilistes.

Plus de détails un peu plus tard.

Non non, il n'est pas nécessaire de dessiner les fonctions analytiques sous forme de tableau, je voulais dire créer une méthode (fonction de programme) pour calculer la distribution de probabilité des citations. Les cotations sont une fonction définie sous forme de tableau, sans que l'on connaisse la formule de conversion de x en y.

OK, attendons la suite.

 
Urain:

Non non, il n'est pas nécessaire de présenter les fonctions analytiques (définies comme une formule) sous forme de tableau, je voulais créer une méthode (fonction de programme) pour calculer la distribution de probabilité des cotations. Les cotations sont une fonction définie sous forme de tableau, sans connaître la formule par laquelle s'effectue la conversion de x en y.

OK, attendons la suite.

Ah, eh bien, c'est ce qu'on appelle l'ajustement à la distribution théorique, si j'ai bien compris votre pensée... J'en parlerai en détail plus tard... en pratique avec quelques exemples... d'autant plus qu'il y a eu un débat houleux sur les distributions lors de la discussion de mon article:-)
 

L'un des meilleurs articles de la communauté MQL5.com !

Merci beaucoup, Dennis !

Nouveau commentaire